Una de las limitaciones del estudio de series temporales mediante lamodelización ARIMA, y en concreto a través del enfoque Box-Jenkins, es la dificultadde identificar correctamente el modelo y, en su caso, seleccionar el más adecuado. Elprocedimiento de filtrado estándar para estimar el ciclo de negocios puede requeriralgunas correcciones previas de las series, dado que, de otro modo, se podrían producirgraves distorsiones en los resultados. Un destacado ejemplo es la corrección por outliersque es tratada, junto con el resto de ajustes previos.Los outliers denotan observaciones atípicas que, hablando en general, no puedenser explicadas por el modelo ARIMA y violan sus subyacentes supuestos denormalidad. Como los modelos ARIMA utilizados frecuentemente en series temporalesestán diseñados para recoger la información de procesos que tienen una ciertahomogeneidad, los outliers y los cambios estructurales influyen en la eficiencia y labondad del ajuste de dichos modelos.Siguiendo el trabajo seminal de Fox, cuatro diferentes tipos de outliers han sidopropuestos, junto con diversos procedimientos para detectarlos. Los cuatro tipos deoutliers que se han considerado en la literatura son: el outlier aditivo (AO), el cambio ennivel (LS), el cambio temporal (TC) y el outlier innovacional (OI).El presente estudio hace una comparación de los programas TRAMO/SEATS yX12ARIMA, ampliamente usados (y recomendados) por Eurostat y el Banco CentralEuropeo, junto con X12ARIMA. La comparación es importante para dilucidar laconveniencia de promover el uso de uno de los dos, en aras a armonizar el tratamientode series temporales.Ambos programas son altamente configurables y disponen de una infinidad deparámetros que el usuario puede determinar.Para ilustrar el trabajo se realiza, en primer lugar, un experimento con seriesgeneradas, en el cual se va a trabajar con un total de nueve mil series ruido blancosimuladas a partir de una función generadora de datos aleatorios, resultado deconsiderar tres modelos econométricos distintos y, a su vez, tres periodos muestralesdistintos en cada caso (60, 120 y 300 observaciones). Además, se va a forzar lapresencia de los tres tipos de outliers (AO, LS, TC) con tres niveles de intensidad delimpacto. Para cada uno de estos casos concretos se estudiarán un total de cien series.En segundo lugar, se trabaja con series reales donde se trata de analizar laincidencia del shock provocado por un acto terrorista, sobre la actividad turística en unadeterminada zona. Para ello se realiza un estudio detallado de las pernoctaciones totalesde viajeros en establecimientos hoteleros según el país de procedencia.El marco teórico utilizado se inspira en los trabajos de Enders et al. (1992) yDrakos et al. (2001), mientras que la metodología utilizada se inspira en el análisis deseries temporales, en concreto se sigue la propuesta de A. Maravall y V. Gómez (1996).Dentro de las acciones terroristas, destacan las acciones sobre la actividadturística en general y sobre el sector del transporte en particular. Dichos sectores son losmás vulnerables ante las amenazas de inseguridad.Tanto en el experimento con series generadas como en el experimento con seriesreales se procede a analizar las series con ambos programes, es decir, TRAMO/SEATSy X12ARIMA para comparar los resultados y así poder establecer diferencias entre losprogramas. / One of the limitations of using ARIMA modelling, and more specifically theBox-Jenkins approach, to study time series is how difficult it is to correctly identify themodel and, where applicable, to choose the most suitable one. The standard filteringprocess used to estimate the business cycle can require the prior correction of someseries, due to the fact that if this were not the case, results could be seriously distorted.One outstanding example is outlier correction.Outliers denote unusual observations that, generally speaking, cannot beexplained by the ARIMA model and violate its underlying normality assumptions. Asthe ARIMA models frequently used in time series are designed to capture informationin processes that have some degree of homogeneity, their efficiency and goodness-of-fitcan be influenced by outliers and structural changes.Following the seminal research by Fox, four different types of outliers areproposed, together with various processes to detect them. The four types of outlierscontemplated in the literature are: Additive Outlier (AO), Level Shift (LS), TemporaryChange (TC) and Innovational Outlier (IO).In order to illustrate this research, in the first place, an experiment is carried outusing nine thousand white noise series simulated using a random data generationfunction after considering three different econometric models and, at the same time,three different sample periods in each case (60, 120 and 300 observations).Furthermore, the presence of three types of outliers will be forced (AO, LS and TC)with three different levels of impact. A total of 100 series will be studied for each ofthese specific cases.In the second place, real series are used to analyse the influence of a shockcaused by a terrorist attack on tourism activity in a given area. In order to do so, wecarry out a detailed study of travellers' total overnight stays in hotels by country oforigin.Both programmes, that is, TRAMO/SEAT and X12ARIMA, are used to analysedata in both the experiment with generated series and that using real series in order tocompare results and hence establish differences between the two.
| Identifer | oai:union.ndltd.org:TDX_UV/oai:www.tdx.cat:10803/9467 |
| Date | 26 September 2007 |
| Creators | Iranzo Pérez, David |
| Contributors | Cabrer Borrás, Bernardí, Universitat de València. Departament d'Anàlisi Econòmica |
| Publisher | Universitat de València |
| Source Sets | Universitat de València |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Source | TDX (Tesis Doctorals en Xarxa) |
| Rights | info:eu-repo/semantics/openAccess, ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. |
Page generated in 0.0022 seconds